새벽 1시에 “배송 언제 돼요?”라는 문의가 들어왔다. 다음 날 아침 확인했더니 AI가 이미 답변을 달아둔 상태. 클로바 라이브챗을 세팅한 지 일주일 된 스마트스토어 판매자의 실제 후기다. 스마트스토어 기준으로 세팅법을 설명하고, 쿠팡 판매자를 위한 대안도 마지막에 따로 정리했다.
CS가 시간을 잡아먹는 진짜 구조
하루 매출 30~50만원 규모 스토어에서 CS 응대에 하루 1~2시간을 쓰는 건 비율상 큰 손실이다. 더 문제는 문의 내용의 70% 이상이 반복된다는 것.
- “주문했는데 출고가 언제 돼요?”
- “교환 가능한가요?”
- “사이즈 어떻게 되나요?”
이걸 매번 직접 타이핑하는 건 아깝다. 게다가 밤 11시에 들어온 문의를 다음 날 오전에야 답변하면 고객 만족도 지표에도 점수가 깎인다.
네이버 클로바 라이브챗 — 실적부터
스마트스토어 판매자라면 커머스솔루션마켓에서 클로바 라이브챗을 무료로 쓸 수 있다. 네이버 톡톡으로 들어오는 문의를 AI가 분석해서 미리 등록해둔 FAQ 답변을 자동으로 내보내는 구조다. 네이버 톡톡이 활성화된 스토어가 전제 조건이다.
네이버 공식 발표 기준으로 클로바 라이브챗을 통한 자동 응대 중 60%는 판매자 추가 답변 없이 상담이 마무리됐다. 10건 들어오면 6건은 사람 손 없이 끝난다는 얘기다. 나머지 40%는 AI가 1차 응대하고 판매자가 2차로 마무리하는 구조다.
세팅 3단계 — 실제로 하는 방법
1단계: 문의 유형 뽑아내기 (약 20분)
지난 3개월치 고객 문의를 한 곳에 모은다. 양이 많으면 50개만 복사해도 충분하다. ChatGPT에 붙여넣고 이렇게 입력한다.
“아래 고객 문의들을 유형별로 분류하고, 각 유형별 모범 답변 초안을 작성해줘. 배송, 교환/반품, 상품 문의로 나눠서.”
20분 안에 FAQ 10~15개가 나온다. 이걸 그대로 쓰지 말고 내 스토어 정책에 맞게 수치와 조건을 직접 수정한다.
2단계: 클로바 라이브챗 FAQ 등록 (약 1~2시간)
스마트스토어 센터 → 커머스솔루션마켓 → 클로바 라이브챗 → FAQ 관리에서 위에서 만든 답변을 입력한다. 배송 조회 → 교환/반품 안내 → 사이즈 및 상품 문의 순서로 등록하면 초반 효과가 빠른데, 이 세 유형이 스마트스토어 전체 문의에서 빈도 상위를 차지하기 때문이다.
3단계: 예외 처리 루트 확보
AI가 처리 못하는 케이스가 반드시 있다. 감정적인 항의, 파손 사진이 첨부된 클레임, 결제 오류 등이다. CS 자동화의 기초 개념과 도구 선택에 대해서는 AI 챗봇 CS 자동화 실전법에서 더 자세히 다뤘다.
이런 문의는 AI 자동응답 후 “담당자가 추가로 확인 후 연락드리겠습니다” 멘트가 붙도록 설정하고, 스마트스토어 앱 알림을 받아 직접 답변한다. 앱 → 문의 관리 → 미처리 필터를 켜두면 예외 케이스만 모아서 볼 수 있다.
자동화의 한계를 인정하고 예외 케이스 처리 루틴을 월 1회 점검하는 습관을 만드는 게 장기적으로 안정적이다.
FAQ 매칭률을 높이는 팁: 고객이 실제로 쓰는 표현 그대로 FAQ 질문을 등록해야 한다. “교환 방법이 궁금합니다”보다 “교환 가능한가요?”, “바꿀 수 있나요?”처럼 구어체 키워드로 여러 개 등록하면 AI 매칭률이 올라간다. 등록 후 일주일치 자동 응대 내역을 확인해서 AI가 매칭 못 한 문의 유형이 있으면 FAQ에 추가하면 된다.
쿠팡 판매자는 어떻게?
쿠팡은 판매자용 AI 자동응답 솔루션이 따로 없다. 대신 상품 Q&A 답변을 ChatGPT로 미리 만들어두는 방식이 현실적이다. 자주 오는 질문 20개 답변 초안을 한 번에 만들고 문서로 정리해두면 이후엔 복붙만 해도 된다.
프롬프트 예시:
“쿠팡에서 [상품명]을 판매 중입니다. 고객이 ‘교환 가능한가요?’라고 물었을 때 교환 조건과 방법, 처리 기간을 포함해서 친근하면서도 명확한 답변을 100자 이내로 작성해줘.”
CS 자동화 이후에 남는 일
반복 문의가 줄어들면 진짜 CS에 집중할 수 있다. 같은 질문이 계속 들어온다는 건 상세페이지에 해당 정보가 없다는 신호다. CS 문의를 분석해서 상세페이지를 개선하는 구체적 방법도 함께 참고하면 좋다. 문의 패턴을 읽는 것 자체가 상품 개선의 출발점이 된다.
AI 리뷰 분석으로 상품 개선하는 법을 함께 보면, CS에서 나온 패턴과 리뷰에서 나온 패턴을 연결해서 어디를 먼저 손봐야 할지 우선순위를 잡는 데 도움이 된다. AI 수요 예측으로 재고 문제를 줄이면 “재고 있나요?” 류 문의 자체가 줄어드는 효과도 있다.
문의 데이터를 분석해서 어떤 문의를 없앨 수 있는지 파악하는 방법은 고객 문의 3,000건을 AI한테 던졌더니 없앨 수 있는 문의가 절반이었다에 정리해뒀다.
FAQ 세팅에 처음 2~3시간을 쓰면, 이후 반복 문의에 쓰는 시간은 0에 가까워진다. 문제는 그 2~3시간을 내는 것이다.
